[发明专利]一种面向监控视频应用的图像质量半参考评价方法

说明书

技术领域

本发明涉及一种方法，针对监控视频应用的图像质量进行评估。该方法适用于监控摄像系统，通过评估后期监控图像质量来判断该监控摄像头是否需要更换或维修，从而确保监控系统正常运行。

背景技术

随着监控系统的发展，传统的以人为主体的监管方法不能很好的评估监控图像的质量，已不能满足现今安保的需求。图像质量评估方法分为3种：全参考图像质量评估(FR)、半参考图像质量评估(RR)和无参考图像质量评估(NR)。全参考评价方法需要获取参考图像的全部信息。虽然监控系统可以获得参考图像，但是参考图像和日常运维图像在内容上存在不同，所有有参考图像质量评价方法并不理想。无参考图像质量评价方法指的是无需参考图像，利用先验知识实现对失真图像信息本身进而质量评价，但是该方法的性能依赖于先验知识的准确程度，而目前业界没有理想的监控图像先验模型。因此全参考评价的方法和无参考评价的方法对监控视频应用的图像质量均不能产生良好的评价结果。

图像主观质量评价是一个研究热点，有着非常广泛的应用。图像/视频的获取、传输和解码过程都会引入一定的失真，降低图像的主观质量。由计算机辅助实现评价图像质量的好坏可以帮助发现多媒体系统的设计缺陷，指导用户对系统进行调整，进而保证用户得到满意的图像质量。传统的基于信噪比的图像质量评价方法与人对图像的主观感受之间存在差距，不能很好地反应图像质量。视频监控系统因实时性、灵活性、实用性而得到广泛应用。监控图像质量与其信息的可用性密切相关，必须对监控视频图像质量进行管理才能保障监控系统的效能。监控系统规模激增使得以人为主体的传统监测方法已不能满足需求。图像质量评价分为无参考评价、全参考评价及半参考评价三种。有参考、半参考评价需要原始无失真图像信息作为参考，在实际应用中难以获得该图像，因此无参评价成为监控图像质量评价的必然选择。无参评价有基于变换域和空域两种，基于变换域的方法会将图像进行小波(wavelet)变换、离散余弦变换(Discrete Cosine Transform，DCT)，在变换域中对图像进行分析，但该方法不够直观。Mittal等提出了一种空域上的无参考质量评价方法(Blind/Referenceless Image Spatial Quality Evaluator，BRISQUE)，评估结果与人眼视觉判断拟合度优于其他方法。该方法易于判断单一类型的噪声，但对于受到多种噪声影响的监控图像，这种方法的分析性能并不好。

发明内容

本发明的目的是提供一种面向监控视频应用的图像质量半参考评价方法，该方法以视频监控系统投入应用时的验收图像作为参考基准，以日常运维图像作为待检测图像，通过比较运维图像与参考图像间的特征变化，实现对图像质量的评价。

本发明的目的是这样实现的：

一种面向监控视频应用的图像质量半参考评价方法，特点是该方法包括以下具体步骤：

步骤1：求取归一化亮度MSCN系数；用表示归一化之后空域图像的MSCN系数，对图像的归一化消除相邻系数之间的相关性；具体包括：

空域图像的MSCN系数表示如下：

其中：

i∈1，2...M，j∈1,2...N是空间索引，M，N分别表示图像的高度和宽度；ω＝{ω_k,l|k＝-K，,...，K，l＝-L,...,L}是高斯加权函数；I(i,j)表示图像在其像素域坐标(i,j)中的亮度；C是一个常量，以防止除数为零的情况；局部均值μ(i,j)以及方差σ(i,j)分别用来表示图像的平均亮度以及对比度。

步骤2：确定MSCN系数分布的拟合参数—广义高斯分布GGD函数；具体包括：

GGD表达式为：

其中：

α表示GGD函数的形状参数，σ²表示GGD函数的方差；Γ(a)函数和β为了简化公式描述，引入的中间变量。

步骤3：用GGD模型拟合空域图像的MSCN系数，确定提取图像失真的第一个特征集合；具体包括：

GGD分布的参数(α,σ²)通过矩匹配方法有效估算；

使用GGD分布的参数模型来拟合失真及非失真图像MSCN分布；通过估算GGD分布的两个参数(α,σ²)来拟合MSCN系数，以此作为用来提取图像失真的第一个特征集合。

步骤4：确定不对称广义高斯分布AGGD模型的表达式；具体包括：

AGGD表达式为：